MEMS惯性测量单元在自动驾驶中的作用

大家好，欢迎来到IT知识分享网。

自动驾驶车辆的未来是建立在若干重要传感技术进步的基础上的，这些技术将实现高安全率和精确定位能力。例如：LIDAR用于建立周围环境的精确3D图像；雷达通过电磁波不同波段测量车辆到目标的距离；摄像头用于识别路标和检测颜色；高分辨率地图用于定位等等。但是，不同于IMU，上述每种技术都需要获取外部环境数据，并将数据提供给软件用于进行定位、识别和控制。这意味着它们可能受外部环境的影响而出现性能下降，因此，IMU的“独立性”使其成为安全驾驶和传感器融合的核心技术。惯性测量单元（IMU）技术的进步可以提高自动驾驶车辆定位精度和操作安全。

自动驾驶汽车的成功所需最重要的进步是在任何环境变化期间，车辆的实时、持续和准确的位置与运动。所有类型的自动驾驶车辆如汽车、卡车、公共汽车、无人机、机器人系统等均必须能在所有天气、温度和场景环境中，以及在无GNSS信号或信号衰减情况下，确定车辆位置和方向。

惯性测量单元（IMU）是所有定位系统中最关键的传感器之一，它测量运动、加速度和旋转速度的基本物理量。对车辆在时空中运动方式的基本了解对于自动驾驶应用至关重要，IMU是最可靠的传感器，因为不受干扰/迷惑，且不受天气和其他环境条件的影响。

在城市峡谷或森林道路中，IMU不会受到多路径效应或信号衰减的影响。

在自动驾驶系统中，IMU数据与GNSS、视觉和其他探测和测距系统融合，以填补GNSS更新之间的空隙，并在GNSS和/或其他传感器受到影响时安全进行短时导航。IMU数据始终可用，是任何自主车辆系统的一个组成部分，并可用于在具挑战性的环境中维持车辆安全运行。

高性能惯性测量单元（IMU）能够长时间精确地推算航位，应用包括导弹、战斗机、直升机、航天器和卫星以及大型商用飞机的军事系统等等。这些高性能的IMU采用了环形激光陀螺仪（RLG）或光纤陀螺仪（FOG）等技术。这项技术已被证明是可靠的，但对于更大批量的商用而言，成本过高。

目前MEMS陀螺仪设计人员正在研究两个关键参数：角度随机游走（ARW）和零偏不稳定性（BI）。这些参数为自主系统设计人员提供了一个共同的基准，用于比较陀螺仪的相对性能和确定安全运行的时间段。

角度随机游走是速率传感器中短时噪声的一种测量方法。它通常以每小时度数表示，从陀螺仪输出的艾伦偏差图上的第二个点开始计算。这一点很重要，因为综合速率信号来确定车辆的姿态（侧倾、俯仰、偏航），而融合噪声会导致随机误差。

一个常见且常用的思维实验来说明这种随机误差效应，就是想象自己站在足球场的中心，手里拿着一枚硬币。你掷硬币100次,对于每一个”正面”，你向左走1米，对于每一个”反面”，你向右走1米。最有可能的情况是，你会接近你的出发点，但是如果你重复这1000次，你会发现自己在不同的距离，从中心点，偶尔在球场的两端。如果你看实验结果的统计数据，你会看到高斯概率分布，平均值位于球场的中心。步长决定了分布的标准差。步长越小，理论上你离球场中心的距离就越小。1厘米的步长比1米的步长分布更紧密。陀螺仪的角随机游走（ARW）规范类似于上述思维实验中的步长，越小越好。

零偏不稳定性（BI）也是从陀螺仪输出的艾伦偏差图推导出来的。通常以每小时度数表示，它是从斜率从负变为正的点开始计算的，表示陀螺偏置的长时漂移。偏置漂移可以看作是施加在陀螺仪输出端的直流偏置的变化。在速率信号的综合过程中，偏置中的任何误差都会迅速累积为角度误差。另一个思维实验可用来说明它的影响。

想象一辆车正穿过一条笔直的隧道。假设车辆从一端到另一端以每小时20公里的速度行驶，需要半个小时。如果用于导航和保持车辆在航向上的偏航陀螺仪的偏差不稳定度为每小时3度，则在隧道结束时，车辆航向将大于1.5度偏离航线。以20公里/小时的速度行驶时，车辆将每秒向左或向右行驶15厘米，很可能导致车辆在到达隧道末端之前撞到另一辆车或墙壁。

PA-IMU-03D 是西安精准测控有限责任公司研制开发的一款完全国产化、高性能、小体积、耐高过载的惯性测量设备，可用于武器的精确导航、控制和动态测量。此系列产品采用完全国产化的MEMS惯性器件，具有高可靠性和高坚固性，在恶劣环境下仍能精密的测量运动 载体的角速度和加速度信息，并能提供可靠的姿态信息。具有宽的工作温度范围、宽的带宽、小体积、快速启动、精度 高等特点。它可广泛用于武器精确制导与控制、工程装备控制、平台稳定、管道机器人、水下航行器，无人驾驶汽车等系统。

精度：零偏不稳定性0.5°/h，角度随机游走（ARW） 0.15°/√h 。